50. CNN - yojulab/learn_deeplearning GitHub Wiki

Convolutional Neural Networks (CNNs / ConvNets)

• 기존 Fully Connect 방식 한계 : 이미지 분류엔 약함.
• 

MLP vs CNN

• 
• 

사전 이해

• Convolution 연산

주요 구성 Layers

• 
• Running live CNN
• CNN-Explainer with vitural

Convolution Layer

• Idea : Convolution 연산 통한 원본 이미지에 섞여 있던 정보를 간략화 : refer - learn_computervision > Sobel
• #Convolution Demo
• ipynb - CNN_Edge_Detector
• padding : 이미지 가장자리 처리 설정

?dilated convolution

Pooling Layer

• 이미지 해상도 낮추는 목적 : 영상 필터링 이용
• Feature 수를 축소(요약)하여 추상화 하는 효과
• 많은 feature 수는 Overfitting 경향 발생
• 

Up-Sampling Layer

• Pooling Layer 반대 역할
• 이미지 해상도 향상 목적

주요 특징

• Shift Invariance : 이미지 내 사물 위치 관계 없이 인식 가능
• Layer가 깊어질수록 high-level feature로 정보 생성
• ipynb-CIFAR10 simple, ipynb - CIFAR10

주요 Models

• ImageNet Large Scale Visual Recognition Challenge (ILSVRC)
• Image Classification Graph on ImageNet

Playground

• convnetjs